El fòrum d’e-marketing 2010 de París, al qual va assistir Inbenta, ha aplegat aquest any 200 exhibidors, 125 conferències i uns 11.500 visitants.

Una de les tendències que més ens va cridar l’atenció va ser la tendència a les plataformes d’Eines d’Anàlisi de Webs per proposar eines de “Monitorització de Xarxes Socials” (Social Media Monitoring (SMM)) o de “Monitorització de Marques” (Brand Monitoring). Aquestes eines, destinades principalment a les empreses, es dissenyen per tal de mesurar i analitzar què es diu sobre la marca de l’empresa als principals mitjans de comunicació com ara Twitter o Facebook i, per tant, poder fer-se una idea de la “reputació electrònica” de l’empresa.

Si l’anàlisi és pertinent, permet que l’empresa sigui conscient de les principals queixes, elogis, problemes, qüestions i necessitats expressades per aquest públic objectiu. D’altres anàlisis també poden permetre conèixer l’impacte positiu i negatiu de la nova campanya de màrqueting, d’una situació de crisi o de la influència dels competidors en aquest mateix públic.
Tota aquesta informació és molt útil pel procés de presa de decisions dels diferents actors d’una empresa: Servei d’Atenció al Client, Servei de Comunicació i Màrqueting, Gestió d’una situació en crisi, Servei Tècnic per productes o serveis, etc.

Concretament, les eines SMM proposades per les plataformes d’Eines d’Anàlisi de Webs permeten dur a terme anàlisis quantitatives/qualitatives sobre què es diu d’una marca a Internet. Aquest tipus d’anàlisi es duu a terme en 4 passos :
Fer un llistat, per categoria, de les paraules clau a controlar (nom de la marca, nom del producte/servei, nom del camp de l’activitat, paraules relacionades amb una nova campanya de màrqueting).
Examinar les xarxes socials per tal de buscar aquestes paraules clau.
Dur a terme anàlisis quantitatives de les ocurrències d’aquestes paraules clau en funció del temps en diferents tipus de mitjans (Twitter, Facebook, Blogs influents, fòrums, pàgines web especialitzades, etc).

Algunes solucions SMM proposen, també, dur a terme les mateixes anàlisis per als competidors de l’empresa per tal de permetre als clients de l’empresa posicionar-se davant la competència.

D’acord amb les anàlisis qualitatives, les plataformes d’Eines d’Anàlisi de Webs creen núvols d’etiquetes (tag clouds) i destaquen les paraules clau més populars en un període de temps en concret (Exemple categoria “Productes”: Xbox, PSP3, Sony PSP, Wii).


Aquesta mena d’anàlisi és molt interessant i permet seguir temporalment la popularitat de diferents paraules clau seleccionades. Algunes solucions SMM també poden arribar als pics més alts de la popularitat amb el llançament dels nous productes/serveis dels competidors o amb l’anunci de noves associacions/adquisicions…(ja que utilitzen eines com ara Google Trens /Insight).

En canvi, en termes qualitatius, aquesta informació no és gens rellevant ja que no sabem res del valor de la popularitat: es tracta de popularitat bona o dolenta? Quines mesures hauríem de prendre per tal de millorar/dissimular aquesta popularitat bona/dolenta?

Per tal de proporcionar informació qualitativa, més valuosa que la quantitativa, cal
analitzar el context en què cada paraula clau ha aparegut. “Estic molt
content amb el meu Xbox” no té el mateix valor que “No estic del tot satisfet del
meu Xbox”. El concepte de Processament del Llenguatge Natural (PLN) ens permet
interpretar el significat de les frases i el seu context. El PLN ens permetria, durant l'anàlisi quantitativa, mesurar cada paraula clau amb un valor positiu o negatiu per després
generar dos núvols d’etiquetes: un que mostri les paraules clau amb una popularitat positiva i un altre que mostri les de la
popularitat negativa. La popularitat bona/dolenta s’explicaria a partir de les
principals queixes, elogis, problemes, preguntes o necessitats expressades pel públic
objectiu de l’empresa i relacionades amb les paraules clau seleccionades.
Aquesta qualificació de la informació, possible gràcies al Processament del Llenguatge Natural, proporcionaria un alt valor afegit a les solucions SMM : aquesta solució està disponible aquí.